Cómo Kargo identificó una oportunidad de ahorro de USD 500.000 al año y logró un ROI de 5X con SELECT

SELECT brindó visibilidad de costos inmediata mediante un tagging exhaustivo de queries hasta el nivel de tarea de Airflow, lo que permitió una atribución precisa de costos en toda la infraestructura consolidada de warehouses. La interfaz intuitiva de la plataforma eliminó la fricción del análisis de costos, mientras que los usage groups permitieron monitorear costos agregados para los reportes al liderazgo.

Kargo usa Snowflake desde sus inicios, lo que la convierte en una de las primeras empresas en adoptar la plataforma. Su arquitectura se basa en procesar volúmenes masivos de logs JSON crudos provenientes de microservicios que sostienen las operaciones de su supply-side platform. La plataforma procesa datos de subastas y de resultados en canales publicitarios de web y CTV. Como usuario maduro de Snowflake, Kargo inicialmente gestionaba los costos separando warehouses: los logs de cada microservicio se procesaban en warehouses dedicados para poder desglosar los costos. Sin embargo, este enfoque resultó ineficiente en términos de uso de recursos.

Cuando Diana se sumó hace tres años, el liderazgo estaba preocupado por los costos de Snowflake y trabajaba con los RSA de Snowflake para optimizar la configuración. La recomendación fue consolidar warehouses para aprovechar mejor los recursos. Si bien la consolidación mejoró la eficiencia al sacar el máximo provecho de los warehouses ya en ejecución, eliminó la posibilidad de ver el desglose de costos. Los equipos pasaron de una visibilidad por microservicio a una única cifra global sin detalle granular. Los RSA de Snowflake entregaron dashboards básicos, pero resultaban insuficientes para el nivel de análisis que requerían sus complejos pipelines de procesamiento de alto volumen.

La función Automated Savings de SELECT entregó valor al instante: redujo en un 30% los costos de warehousing de Looker de Kargo sin ningún esfuerzo del equipo y le dio a Kargo un ROI inmediato de 5X sobre SELECT. Esta reducción de costos inmediata no solo pagó SELECT, sino que demostró el valor de la plataforma al identificar oportunidades de optimización que no se veían con los enfoques tradicionales de monitoreo.

El equipo de Kargo implementó un tagging exhaustivo de queries en sus pipelines, etiquetando hasta las tareas individuales de Airflow para lograr una atribución precisa de costos en toda la infraestructura consolidada de warehouses. Este tagging granular reveló de inmediato cuál era su pipeline de procesamiento más costoso: los eventos de bid request, que costaban USD 500.000 al año, mucho más de lo previsto. Este hallazgo abrió la puerta a una decisión estratégica de arquitectura: mover su workload más caro de Snowflake a procesamiento en Spark, cambiando de raíz la manera de abordar sus operaciones más costosas.

La función de usage groups de SELECT resolvió un desafío crítico de reporting al permitir agregar costos a través de múltiples pipelines y warehouses para reportes de negocio de alto nivel. Los usage groups le permitieron al equipo agrupar workloads relacionados y entregar costos agregados precisos al liderazgo, incluso cuando esos workloads abarcaban varios warehouses y pipelines de procesamiento. El liderazgo ahora podía obtener respuestas inmediatas a preguntas como "¿cuánto nos está costando todo el tema de targeting?"

SELECT democratizó los insights de costos en todo el equipo de data engineering y permitió que cada engineer hiciera seguimiento del impacto de sus optimizaciones de forma independiente. Esta capacidad de autoservicio transformó la manera en que el equipo abordaba el trabajo de optimización: el impacto en costos se volvió visible y medible para cada colaborador, sin depender de un análisis centralizado. A medida que el equipo emprendió una refactorización sistemática de sus data pipelines, SELECT le aportó una visibilidad crucial del antes y el después que les permitió medir el éxito de cada optimización.